欢迎来到啾啾的博客🐱。
记录学习点滴。分享工作思考和实用技巧，偶尔也分享一些杂谈💬。
有很多很多不足的地方，欢迎评论交流，感谢您的阅读和评论😄。

1 引言

在之前的篇章中，我们对与提示词有了基本的了解。

Prompt总的来说还是显得复杂，这种“复杂”的根源有一个说法是LLM知道的还是不够多。

但是随着发展，LLM知道的原来越多了。提示词工程也因此发生了巨大的改变。

资料引用：
https://mp.weixin.qq.com/s/FLY0sy1jYv6eT9151Yz_jw
https://github.com/langgptai/LangGPT
https://github.com/f/awesome-chatgpt-prompts
https://www.promptingguide.ai/zh

阅读本篇可LLM Prompt认知+3

2 理解”目标驱动“提示词

2.1 从”引导“到”目标驱动“

经典提示词的构成6要素本质是属于对LLM知识的补充，结构化也是为了LLM能更好地理解语义，弥补LLM理解能力的不足。

对DeepSeek-R1等强模型，过度结构化反而可能限制创造力（如强制分步骤会破坏自然表达）。

这里引用“云中江树”大佬在《AI 提示工程终于完蛋了，没想到掘墓人是中国的DeepSeek
》一文中给的图例。

随着LLM能力跃升，Prompt六要素的描述我们可以写的越来越少。

即提示词从“引导型”成为“目标驱动型”。

范式变化如下：

面向目标的提示词公式为：

有效提示 = 必要信息 + 清晰目标

其中必要信息（有什么）=任务背景 + 关键数据 + 约束条件 ，清晰目标（要什么） = 具体产出 + 质量标准 + 评估方式。

2.2 更少的“角色“、“任务”、“指令”、“输出格式”描述与引导

下面以生成小红书文案为例，使用DeepSeek进行验证。

• 使用传统六要素的较复杂Prompt

#角色
你是一个资深小红书美妆博主，女性口吻，粉丝为20-30岁职场新人。  
#任务
推广新品“玻尿酸防晒喷雾”，需突出“清爽不粘腻”和“妆后补涂”场景。  #要求：  
1. 标题带emoji，正文不超过200字  
2. 使用“姐妹”“绝了”等口语化词汇  
3. 添加3个相关话题标签  
4. 避免提及价格敏感词 

DeepSeek-R1回答如下

• 目标驱动Prompt（简单说）

生成小红书推广新品“玻尿酸防晒喷雾”的文案，粉丝为20-30岁职场新人，需突出“清爽不粘腻”和“妆后补涂”场景。  

DeepSeek-R1回答如下

可以看到尽管没有进行角色设定、约束与输出要求，在只给出”任务“的情况下，DeepSeek同样输出了符合要求，甚至是更好的文案。
不仅仅考虑到了原来的要求，甚至有更多原来的要求没有考虑到的点。

2.3 同样重要的任务边界

简化不等于随意，目标型Prompt对任务边界的精准描述要求反而更高。
任务边界 = 必要限制条件 + 不可触碰的禁区，需用最简语言明确关键约束。

还是以上述例子为例，我们增添关于任务边界的描述：

生成小红书推广文案：  
新品「玻尿酸防晒喷雾」面向20-30岁职场新人，核心场景是「妆后补涂不花妆」和「高温天清爽不粘腻」。  
【边界要求】  
1. 禁用「美白」「抗老」等虚假功效词  
2. 不虚构实验室数据  
3. 规避「孕妇可用」等医疗宣称  
4. 文案带🔥表情符号

输出结果如下：

3 目标驱动提示词

目标驱动Prompt的本质：用边界划定沙盘，在框架中释放创造力。当任务边界足够清晰时，「少即是多」原则才能真正生效。

要素类型	传统Prompt	目标驱动Prompt
核心驱动力	机械执行指令	理解任务本质目标
约束表达	碎片化罗列要求	关键边界集成式描述
AI发挥空间	在条框中有限创作	在安全区自主优化路径
试错成本	需反复调整细节要求	通过边界一次性锚定方向

• 目标Prompt的核心优势
  

题外话：在之前的Agent篇章中，我们使用ReAct Prompt约束DeepSeek时就发现，DeepSeek有很强的一步到位倾向，我们提供的细节指令反而导致了重复输出。